論文の概要: Assessing Drivers' Situation Awareness in Semi-Autonomous Vehicles: ASP
based Characterisations of Driving Dynamics for Modelling Scene
Interpretation and Projection
- arxiv url: http://arxiv.org/abs/2308.15895v1
- Date: Wed, 30 Aug 2023 09:07:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-31 13:52:02.619318
- Title: Assessing Drivers' Situation Awareness in Semi-Autonomous Vehicles: ASP
based Characterisations of Driving Dynamics for Modelling Scene
Interpretation and Projection
- Title（参考訳）: 半自律走行車における運転者の状況認識の評価: ASPによるシーン解釈と投影のモデル化
- Authors: Jakob Suchan (German Aerospace Center (DLR), Oldenburg, Germany),
Jan-Patrick Osterloh (German Aerospace Center (DLR), Oldenburg, Germany)
- Abstract要約: 我々は,運転者が状況に気付いているかを判断し,人間中心の支援を提供するための枠組みを提案する。
このフレームワークはロボット・オペレーティング・システム(ROS)内のモジュールシステムとして開発され、環境と運転者の状態を検知するモジュールを備えている。
本稿では、運転者の解釈とシーンの投影をモデル化し、推論するAnswer Set Programming(ASP)に基づくアプローチに焦点を当てる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Semi-autonomous driving, as it is already available today and will eventually
become even more accessible, implies the need for driver and automation system
to reliably work together in order to ensure safe driving. A particular
challenge in this endeavour are situations in which the vehicle's automation is
no longer able to drive and is thus requesting the human to take over. In these
situations the driver has to quickly build awareness for the traffic situation
to be able to take over control and safely drive the car. Within this context
we present a software and hardware framework to asses how aware the driver is
about the situation and to provide human-centred assistance to help in building
situation awareness. The framework is developed as a modular system within the
Robot Operating System (ROS) with modules for sensing the environment and the
driver state, modelling the driver's situation awareness, and for guiding the
driver's attention using specialized Human Machine Interfaces (HMIs).
A particular focus of this paper is on an Answer Set Programming (ASP) based
approach for modelling and reasoning about the driver's interpretation and
projection of the scene. This is based on scene data, as well as eye-tracking
data reflecting the scene elements observed by the driver. We present the
overall application and discuss the role of semantic reasoning and modelling
cognitive functions based on logic programming in such applications.
Furthermore we present the ASP approach for interpretation and projection of
the driver's situation awareness and its integration within the overall system
in the context of a real-world use-case in simulated as well as in real
driving.
- Abstract（参考訳）: 半自動運転は、現在すでに利用可能であり、最終的にはさらにアクセスしやすくなるため、安全運転を確保するためにドライバーと自動化システムが確実に連携する必要がある。
この取り組みにおける特に課題は、車両の自動化がもはや運転できなくなり、従って人間に乗っ取るよう要求している状況である。
このような状況では、ドライバーは交通状況に対する意識を迅速に構築し、制御を乗っ取り、安全に車を運転しなければなりません。
このコンテキストでは、ドライバが状況についてどのように認識しているかを判断し、状況認識を構築するのに役立つ人間中心の支援を提供するソフトウェアとハードウェアのフレームワークを提示します。
このフレームワークは、ロボットオペレーティングシステム(ros)内のモジュラーシステムとして開発され、環境や運転状態の検知、運転者の状況認識のモデル化、特別なヒューマンマシンインタフェース(hmis)を使用して運転者の注意を誘導するモジュールを備えている。
本稿では、運転者のシーンの解釈と投影に関するモデリングと推論のための解集合プログラミング(asp)に基づくアプローチに注目した。
これはシーンデータとドライバーが観測したシーン要素を反映したアイトラッキングデータに基づいている。
本稿では,このようなアプリケーションにおける論理プログラミングに基づく意味論的推論と認知機能モデリングの役割について論じる。
さらに,運転者の状況認識の解釈と投影を行うaspアプローチと,そのシステム全体への統合について,シミュレーションと実運転における実世界のユースケースの文脈で述べる。
関連論文リスト
- Incorporating Explanations into Human-Machine Interfaces for Trust and Situation Awareness in Autonomous Vehicles [4.1636282808157254]
自動車の自律性に対する信頼構築において、説明可能なAIとヒューマン・マシン・インタフェースが共に果たす役割について検討する。
自動運転行動に対するユーザの信頼度を調整するための状況認識フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-10T23:02:13Z) - Evaluating Driver Readiness in Conditionally Automated Vehicles from
Eye-Tracking Data and Head Pose [3.637162892228131]
SAEレベル3または部分的に自動化された車両では、ドライバーは必要な時に介入する準備ができている必要がある。
本稿では,頭部ポーズ特徴と視線追跡データを組み合わせることで,運転準備性評価の包括的分析を行う。
両特徴セットを組み合わせた双方向LSTMアーキテクチャは、DMDデータセット上で平均0.363の絶対誤差を達成する。
論文 参考訳（メタデータ） (2024-01-20T17:32:52Z) - DME-Driver: Integrating Human Decision Logic and 3D Scene Perception in
Autonomous Driving [65.04871316921327]
本稿では,自律運転システムの性能と信頼性を高める新しい自律運転システムを提案する。
DME-Driverは、意思決定者として強力な視覚言語モデル、制御信号生成者として計画指向認識モデルを利用する。
このデータセットを利用することで、論理的思考プロセスを通じて高精度な計画精度を実現する。
論文 参考訳（メタデータ） (2024-01-08T03:06:02Z) - Analyze Drivers' Intervention Behavior During Autonomous Driving -- A
VR-incorporated Approach [2.7532019227694344]
この研究は、自動運転車の運転に関わる人間のドライバーの介入行動を理解することに光を当てている。
仮想リアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装された。
介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
論文 参考訳（メタデータ） (2023-12-04T06:36:57Z) - Empowering Autonomous Driving with Large Language Models: A Safety Perspective [82.90376711290808]
本稿では,Large Language Models (LLM) の自律運転システムへの統合について検討する。
LLMは行動計画におけるインテリジェントな意思決定者であり、文脈的安全学習のための安全検証シールドを備えている。
適応型LLM条件モデル予測制御(MPC)と状態機械を用いたLLM対応対話型行動計画スキームという,シミュレーション環境における2つの重要な研究について述べる。
論文 参考訳（メタデータ） (2023-11-28T03:13:09Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - On the Road with GPT-4V(ision): Early Explorations of Visual-Language
Model on Autonomous Driving [37.617793990547625]
本報告では,最新のVLMであるGPT-4Vの徹底的な評価を行う。
我々は、シーンを駆動し、決定を下し、最終的にはドライバーの能力で行動する、モデルを理解する能力について探求する。
GPT-4Vは,既存の自律システムと比較して,シーン理解や因果推論において優れた性能を示した。
論文 参考訳（メタデータ） (2023-11-09T12:58:37Z) - Classification of Safety Driver Attention During Autonomous Vehicle
Operation [11.33083039877258]
本稿では、車両オペレーターと車両認識システムに対向する赤外線カメラからのデータを統合したデュアルソースアプローチを提案する。
提案システムは,車両運転者の注意度基準を効果的に決定し,警告や自律機能低下などの介入を適切に行う。
論文 参考訳（メタデータ） (2023-10-17T22:04:42Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
非客観的運転経験はモデル化が難しい。
本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。
インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
論文 参考訳（メタデータ） (2022-12-05T08:25:09Z) - Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。
実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文 参考訳（メタデータ） (2022-07-05T16:33:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。